import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sbn
from urllib.request import urlopen
import squarify
import folium
import json
import plotly.express as px
import warnings
warnings.filterwarnings('ignore')
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
import statsmodels.api as sm
from pmdarima.arima import auto_arima
from statsmodels.tsa.stattools import adfuller
from sklearn.metrics import mean_squared_error
from math import sqrt

Importation des datasets

Data = pd.read_csv('valeursfoncieres-2022.txt', sep='|')

Visualisation du dataset non nettoyé

Data

	Identifiant de document	Reference document	1 Articles CGI	2 Articles CGI	3 Articles CGI	4 Articles CGI	5 Articles CGI	No disposition	Date mutation	Nature mutation	...	Surface Carrez du 5eme lot	Nombre de lots	Code type local	Type local	Identifiant local	Surface reelle bati	Nombre pieces principales	Nature culture	Nature culture speciale	Surface terrain
0	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	03/01/2022	Vente	...	NaN	1	2.0	Appartement	NaN	24.0	1.0	NaN	NaN	NaN
1	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	03/01/2022	Vente	...	NaN	0	NaN	NaN	NaN	NaN	NaN	S	NaN	84.0
2	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	03/01/2022	Vente	...	NaN	0	NaN	NaN	NaN	NaN	NaN	S	NaN	88.0
3	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	03/01/2022	Vente	...	NaN	1	2.0	Appartement	NaN	140.0	3.0	NaN	NaN	NaN
4	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	04/01/2022	Vente	...	NaN	0	NaN	NaN	NaN	NaN	NaN	T	NaN	510.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
3803880	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	30/12/2022	Vente	...	NaN	1	4.0	Local industriel. commercial ou assimilé	NaN	327.0	0.0	NaN	NaN	NaN
3803881	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	19/12/2022	Vente	...	NaN	2	3.0	Dépendance	NaN	0.0	0.0	NaN	NaN	NaN
3803882	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	19/12/2022	Vente	...	NaN	2	2.0	Appartement	NaN	40.0	3.0	NaN	NaN	NaN
3803883	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	30/12/2022	Vente	...	NaN	1	3.0	Dépendance	NaN	0.0	0.0	NaN	NaN	NaN
3803884	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	21/11/2022	Vente	...	NaN	1	3.0	Dépendance	NaN	0.0	0.0	NaN	NaN	NaN

3803885 rows × 43 columns

Nettoyage de la donnée

columns_to_keep = ['Date mutation','Nature mutation','Valeur fonciere','Code postal','Commune','Code departement','Code commune','Nombre de lots','Code type local','Type local','Surface reelle bati','Nombre pieces principales','Surface terrain']
Data['Date mutation'] = pd.to_datetime(Data['Date mutation'])
Data['Code departement'] = Data['Code departement'].astype(str)
Data = Data[columns_to_keep]

Data = Data.dropna()
Data['Valeur fonciere'] = pd.to_numeric(Data['Valeur fonciere'].str.replace(',', '.'))
Data

	Date mutation	Nature mutation	Valeur fonciere	Code postal	Commune	Code departement	Code commune	Nombre de lots	Code type local	Type local	Surface reelle bati	Nombre pieces principales	Surface terrain
5	2022-06-01	Vente	255000.0	1560.0	MANTENAY-MONTLIN	1	230	0	1.0	Maison	108.0	5.0	649.0
8	2022-03-01	Vente	525000.0	1390.0	SAINT-ANDRE-DE-CORCY	1	333	0	4.0	Local industriel. commercial ou assimilé	424.0	0.0	628.0
9	2022-03-01	Vente	525000.0	1390.0	SAINT-ANDRE-DE-CORCY	1	333	0	2.0	Appartement	126.0	4.0	628.0
13	2022-03-01	Vente	140000.0	1000.0	BOURG-EN-BRESSE	1	53	0	1.0	Maison	100.0	4.0	796.0
21	2022-10-01	Vente	580000.0	1500.0	AMBRONAY	1	7	0	3.0	Dépendance	0.0	0.0	496.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...
3803693	2022-12-28	Vente	12281000.0	75011.0	PARIS 11	75	111	0	2.0	Appartement	78.0	3.0	265.0
3803694	2022-12-28	Vente	12281000.0	75011.0	PARIS 11	75	111	0	2.0	Appartement	17.0	1.0	265.0
3803695	2022-12-28	Vente	12281000.0	75011.0	PARIS 11	75	111	0	2.0	Appartement	49.0	3.0	265.0
3803705	2022-12-30	Vente	3100000.0	75012.0	PARIS 12	75	112	0	4.0	Local industriel. commercial ou assimilé	709.0	0.0	258.0
3803723	2022-08-12	Vente	2600000.0	75014.0	PARIS 14	75	114	0	1.0	Maison	180.0	8.0	163.0

1208299 rows × 13 columns

Argent total dépensé par mois selon les types de mutation pendant l'année

MUTATIONS = Data['Nature mutation'].unique()
def plotMutations(mut, data, ax):

    for m in MUTATIONS:
        temp = data[data['Nature mutation'] == m]
        result = temp.groupby(temp['Date mutation'].dt.to_period("M"))['Valeur fonciere'].sum()
        result.index = result.index.to_timestamp()
        x = result.index
        y = result.values
        
        if m == mut:
            ax.plot(x, y, color="#0b53c1", lw=2.4, zorder=10)
            ax.scatter(x, y, fc="w", ec="#0b53c1", s=60, lw=2.4, zorder=12)
            ax.autoscale()    
        else:
            ax.plot(x, y, color="#BFBFBF", lw=1.5)
    
    ax.set_title(mut, fontfamily="DejaVu Sans", fontsize=14, fontweight=500)
    return ax

fig, axes = plt.subplots(2, 3, figsize=(14, 7.5))
for idx, (ax, mut) in enumerate(zip(axes.ravel(), MUTATIONS)):
    # Only annotate the first panel
    annotate = idx == 0
    plotMutations(mut, Data, ax)

On remarque que les mutations sont essentiellement des ventes

data1 = Data[Data['Nature mutation'] =='Vente'] 
data1 = data1.groupby(by='Date mutation',sort='Date mutation')['Valeur fonciere'].count()


data2 = Data[Data['Nature mutation'] =='Vente terrain à bâtir'] 
data2 = data2.groupby(by='Date mutation',sort='Date mutation')['Valeur fonciere'].count()


data3 = Data[Data['Nature mutation'] =='Echange'] 
data3 = data3.groupby(by='Date mutation',sort='Date mutation')['Valeur fonciere'].count()


data4 = Data[Data['Nature mutation'] =="Vente en l'état futur d'achèvement"] 
data4 = data4.groupby(by='Date mutation',sort='Date mutation')['Valeur fonciere'].count()


data5 = Data[Data['Nature mutation'] =='Adjudication'] 
data5 = data5.groupby(by='Date mutation',sort='Date mutation')['Valeur fonciere'].count()


data6 = Data[Data['Nature mutation'] =='Expropriation'] 
data6 = data6.groupby(by='Date mutation',sort='Date mutation')['Valeur fonciere'].count()


plt.figure(figsize=(18,11))
plt.plot(data1.index, data1.values, "r--", color="red")
plt.plot(data2.index, data2.values, "r--", color="blue")
plt.plot(data3.index, data3.values, "r--", color="green")
plt.plot(data4.index, data4.values, "r--", color="yellow")
plt.plot(data5.index, data5.values, "r--", color="purple")
plt.plot(data6.index, data6.values, "r--", color="black")
plt.legend(['Vente','Vente terrain à bâtir', 'Echange',"Vente en l'état futur d'achèvement",'Adjudication','Expropriation'])
plt.title('Nombre de mutations par type au cours des mois, en cumulé')
plt.show()

Cela confirme encore que le type de mutation importante est la vente

Nombre et répartitions des différents types

df = Data.groupby(['Type local'])['Type local'].count()

plt.bar(df.index, df.values)
bars = ['Appartement', 'Dépendance', 'Industriel', 'Maison']
y_pos = np.arange(len(bars))
plt.xticks(y_pos, bars)
plt.title('Nombre de mutations par type')

Text(0.5, 1.0, 'Nombre de mutations par type')

fig, ax = plt.subplots()
ax.pie(df, labels=df.index, autopct='%1.1f%%')
ax.set_title('Proportion des types de locaux sur le nombre total de mutations')

plt.show()

Répartition des types de biens suivant différents caractères

df=Data[Data["Surface terrain"]< 5000]
plt.figure(figsize=(18,10))
plt.xticks(rotation=25)
sbn.violinplot(x = "Type local",y="Surface terrain", data=df)
plt.title('Répartition des types de locaux selon la surface de leur terrain')

Text(0.5, 1.0, 'Répartition des types de locaux selon la surface de leur terrain')

df=Data[(Data["Surface reelle bati"]< 1000) & (Data["Surface reelle bati"].notna())]
plt.figure(figsize=(18,10))
plt.xticks(rotation=25)
sbn.violinplot(x = "Type local",y="Surface reelle bati", data=df)
plt.title('Répartition des types de locaux selon leur surface réelle bâtie')

Text(0.5, 1.0, 'Répartition des types de locaux selon leur surface réelle bâtie')

df = Data[Data['Valeur fonciere'] < 2000000]
plt.figure(figsize=(18,10))
plt.xticks(rotation=25)
sbn.violinplot(x="Type local",y="Valeur fonciere",data=df)
plt.title('Répartition des types de locaux selon leur valeur foncière')

Text(0.5, 1.0, 'Répartition des types de locaux selon leur valeur foncière')

Analyse des données par département

df = Data.groupby(['Code departement'])['Nature mutation'].count().sort_values(ascending=True)
plt.figure(figsize=(10,20))

plt.hlines(y=df.index, xmin=0, xmax=df.values, color='black')
plt.plot(df.values, df.index, "o", color="blue")

plt.title('Nombre de mutations par département')
plt.xlabel('Nombre de mutations')
plt.ylabel('Numéros de départements')
plt.show()

df1 = Data.groupby(['Code departement'])['Nature mutation'].count()

df = Data[((Data['Nature mutation']=='Vente') & ((Data['Type local'] == 'Maison') | (Data['Type local'] == 'Appartement')))]
df = Data.groupby(['Code departement'])['Nature mutation'].count()
plt.figure(figsize=(10,20))

plt.hlines(y=df1.index, xmin = 0, xmax = df1.values, color='red')
plt.hlines(y=df.index, xmin=0, xmax=df.values, color='skyblue')
plt.plot(df.values, df.index, "o")
plt.plot(df1.values, df1.index, "x", color="white")

plt.title("Nombre de mutations par département (ronds) et nombre de mutations par département en considérant uniquement les ventes d'appartements et de maisons (croix)")
plt.xlabel('Nombre de mutations')
plt.ylabel('Numéros de départements')
plt.show()

On observe que les maisons et appartements constitute la majeure partie des mutations

df_filtered = Data.loc[(Data['Nature mutation'] == 'Vente') & (Data['Type local'].isin(['Maison', 'Appartement']))]
df_mutations = df_filtered.groupby(['Code departement'])['Nature mutation'].count().reset_index()
df_mutations = df_mutations.sort_values(by='Nature mutation', ascending=False)
df_filtered2 = df_filtered.groupby(['Code departement', 'Type local'])['Type local'].count().unstack()
df_filtered2 = df_filtered2.fillna(0)
df_filtered2['Total'] = df_filtered2.sum(axis=1)
df_filtered2['% Maison/Appartement'] = ((df_filtered2['Maison'] + df_filtered2['Appartement']) / df_filtered2['Total']) * 100

df_filtered2 = df_filtered2.sort_values(by='% Maison/Appartement', ascending=False)

fig, ax = plt.subplots(figsize=(18, 12))
sbn.barplot(x='% Maison/Appartement', y=df_filtered2.index, data=df_filtered2, color='skyblue')
ax.set_title("Pourcentage de ventes d'appartements et de maisons par département")
ax.set_xlabel('% Maison/Appartement')
ax.set_ylabel('Numéro de département')

plt.show()

myscale = None

def mapping_france_folium(data):
    map = folium.Map(location=[48.862, 2.346], zoom_start = 5)
    departments = f"https://france-geojson.gregoiredavid.fr/repo/departements.geojson"
    d = {'Code': data.index, 'Valeur': np.log(data.values)}
    da = pd.DataFrame(d)

    folium.Choropleth(geo_data=departments, 
    data=da, 
    columns=['Code', 'Valeur'], 
    key_on='properties.code',
    fill_color= "PuRd",
    fill_opacity=1,
    line_opacity=.1).add_to(map)
    
    folium.LayerControl().add_to(map)
    return map

def mapping_Paris_circle(data, bigNumbers = False):
    map = folium.Map(location = [48.856578, 2.351828], zoom_start = 12)
    arr = json.load(open("arrondissements.geojson"))
    d = {'Code': data.index, 'Valeur': data.values}
    da = pd.DataFrame(d)
    for a in arr["features"]:
        prop = a["properties"]
        temp = da[da['Code'] == prop["c_arinsee"] - 100]
        temp = temp['Valeur'].values
        folium.Circle(prop["geom_x_y"], 
        fill=True,
        popup = prop["l_ar"],
        radius = (temp[0]/1) if not bigNumbers else temp[0]/9000000).add_to(map)
    return map


def mapping_Paris(data):
    map = folium.Map(location = [48.856578, 2.351828], zoom_start = 12)
    arr = json.load(open("arrondissements.geojson"))
    d = {'Code': data.index + 100, 'Valeur': np.log(data.values)}
    da = pd.DataFrame(d)
    da = da[(da['Code'] >= 75100) & (da['Code'] <= 75120)]
    myscale = np.linspace(da['Valeur'].min(), da['Valeur'].max(), 10)
    folium.Choropleth(geo_data=arr, 
            data=da, 
            columns=['Code', 'Valeur'], 
            key_on='properties.c_arinsee',
            fill_color= "PuRd",
            threshold_scale=myscale,
            fill_opacity=0.8,
            line_opacity=.1).add_to(map)
        
    
    folium.LayerControl().add_to(map)
    return map

def mapping_Lyon(data):
    map = folium.Map(location = [45.763420, 4.834277], zoom_start = 12)
    arr = json.load(open("lyon.json"))
    d = {'Code': data.index + 380, 'Valeur': np.log(data.values)}
    da = pd.DataFrame(d)
    da = da[(da['Code'] >= 69381) & (da['Code'] <= 69389)]
    folium.Choropleth(geo_data=arr, 
            data=da, 
            columns=['Code', 'Valeur'], 
            key_on='properties.insee',
            fill_color= "PuRd",
            threshold_scale=myscale,
            fill_opacity=0.8,
            line_opacity=.1).add_to(map)
    
    folium.LayerControl().add_to(map)
    return map

def mapping_Marseille(data):
    map = folium.Map(location = [43.296482, 5.36978], zoom_start = 12)
    arr = json.load(open("marseille.geojson"))
    d = {'Code': data.index + 200, 'Valeur': np.log(data.values)}
    da = pd.DataFrame(d)
    da = da[(da['Code'] >= 13201) & (da['Code'] <= 13216)]
    da['Code'] = da['Code'].astype(int).astype(str)
    folium.Choropleth(geo_data=arr, 
            data=da, 
            columns=['Code', 'Valeur'], 
            key_on='properties.DEPCO',
            fill_color= "PuRd",
            threshold_scale=myscale,
            fill_opacity=0.8,
            line_opacity=.1).add_to(map)
    
    folium.LayerControl().add_to(map)
    return map

data = Data.groupby(['Code departement'])['Nature mutation'].count()
map = mapping_france_folium(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

On voit ici, en échelle logarithmique, le nombre de mutations par département au cours de l'année.

data = Data[Data['Nature mutation'] == 'Vente'].groupby(['Code departement'])['Valeur fonciere'].sum()
map = mapping_france_folium(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

Valeur cumulée des ventes par département en échelle logarithmique

data = Data[Data['Nature mutation'] == 'Vente']
data = data[data['Type local'] == 'Maison'].groupby(['Code departement'])['Valeur fonciere'].sum()
map = mapping_france_folium(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

On voit ci-dessus, en échelle logarithmique, la valeur cumulée des ventes de maisons par département au cours de l'année. Il est intéressant de noter que l'importance de Paris dans la carte précédente disparaît : très peu de maisons sont vendues à Paris même.

data = Data[(Data['Nature mutation'] == 'Vente') & ((Data['Type local'] == 'Maison') | (Data['Type local'] == 'Appartement'))]
data['prix_m2'] = data['Valeur fonciere']/data['Surface reelle bati']
data = data.groupby(['Code departement'])['prix_m2'].agg('mean')
map = mapping_france_folium(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

On voit ci-dessus, en échelle logarithmique, le prix au m2 par département.

data = Data[['Surface reelle bati','Valeur fonciere']]
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(18,10))

# Premier graphique avec échelle logarithmique
ax1.set_xscale('log')
ax1.set_yscale('log')
ax1.scatter(data['Surface reelle bati'],data['Valeur fonciere'])
ax1.set_title('Répartition de la valeur foncière en fonction de la surface bâtie (échelle logarithmique)')
ax1.set_xlabel('Surface bâtie')
ax1.set_ylabel('Valeur foncière')

# Deuxième graphique sans échelle logarithmique
ax2.scatter(data['Surface reelle bati'],data['Valeur fonciere'])
ax2.set_title('Répartition de la valeur foncière en fonction de la surface bâtie')
ax2.set_xlabel('Surface bâtie')
ax2.set_ylabel('Valeur foncière')

plt.show()

On observe bien que l'apllication du log permet mieux gérer ces valeurs extremes

Analyse de Paris

Mutation par arrondissement

data = Data.groupby(['Code postal'])['Nature mutation'].count()
map = mapping_Paris_circle(data, False)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

En échelle logarithmique

data = Data.groupby(['Code postal'])['Nature mutation'].count()
map = mapping_Paris(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

Valeur des ventes par arrondissement

data = Data[Data['Nature mutation'] == 'Vente']
data = data.groupby(['Code postal'])['Valeur fonciere'].sum()
map = mapping_Paris_circle(data, True)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

On observe que dans le 7 ème la valeur des ventes est bien supérieure aux autres arrondissement, en échelle logarithimique ci-dessous cela s'observe plus facilement

On représente les mêmes données sur échelle logarithmique

data = Data[Data['Nature mutation'] == 'Vente']
data = data.groupby(['Code postal'])['Valeur fonciere'].sum()
map = mapping_Paris(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

Comparons ces résultas à Lyon et marseille

data = Data[Data['Nature mutation'] == 'Vente']
data = data.groupby(['Code postal'])['Valeur fonciere'].sum()
map = mapping_Marseille(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

data = Data[Data['Nature mutation'] == 'Vente']
data = data.groupby(['Code postal'])['Valeur fonciere'].sum()
map = mapping_Lyon(data)
map

Make this Notebook Trusted to load map: File -> Trust Notebook

Tentative de prédiction des prix de l'immobilier

Première étape on definit notre série temporelle comme le pourcentage de changement par rapport à la ligne précédente

la p-valeur de notre test de Dickey-fuller étant inférieur à 0.05 on rejette l'hypothèse nulle que la série n'est pas stationnaire

data_75016 = Data[Data['Code postal'] == 75016.0]
data_75016 = data_75016[['Date mutation', 'Valeur fonciere']]
data_75016['Date mutation'] = pd.to_datetime(data_75016['Date mutation'])
data_75016 = data_75016.set_index('Date mutation')
data_75016['Rendement'] = data_75016['Valeur fonciere'].pct_change()
data_75016 = data_75016.dropna()

#Série temporelle à fréquence hebdommadaire on cherche avec ARIMA à prédire une tendance

data_w = data_75016['Rendement'].resample('W').mean().dropna()

data_w = data_w.iloc[1:]


result = adfuller(data_75016['Rendement'])
print('p-value: %f' % result[1])

p-value: 0.000000

Visualisation du modèle sur une trajectoire

split_point = int(len(data_w) * 0.95)

train, test = data_w[0:split_point], data_w[split_point:]

model = auto_arima(train, start_p=0, start_q=0,
                      max_p=5, max_q=5,
                      m=12,
                      d=1,
                      seasonal=False,
                      start_P=0,
                      D=None,
                      trace=True,
                      error_action='ignore',
                      suppress_warnings=True,
                      stepwise=True)


predictions = model.predict(n_periods=len(test))

plt.figure(figsize=(10,6))
plt.plot(test.index, predictions, color='red', label='Predictions')
plt.plot(test.index, test, color='blue', label='Actual values')
plt.title('Actual vs Predicted')
plt.xlabel('Date')
plt.ylabel('Rendement')
plt.legend()
plt.show()

Performing stepwise search to minimize aic
 ARIMA(0,1,0)(0,0,0)[0] intercept   : AIC=689.149, Time=0.03 sec
 ARIMA(1,1,0)(0,0,0)[0] intercept   : AIC=691.144, Time=0.03 sec
 ARIMA(0,1,1)(0,0,0)[0] intercept   : AIC=691.133, Time=0.13 sec
 ARIMA(0,1,0)(0,0,0)[0]             : AIC=688.062, Time=0.02 sec
 ARIMA(1,1,1)(0,0,0)[0] intercept   : AIC=inf, Time=0.36 sec

Best model:  ARIMA(0,1,0)(0,0,0)[0]          
Total fit time: 0.564 seconds

Prédiction

def autoarima(df, time_predict):
    max_lags = df.shape[0] // 2 - 1
    model = auto_arima(df, start_p=0, start_q=0,
                      max_p=5, max_q=5,
                      m=12,
                      d=1,
                      seasonal=False,
                      start_P=0,
                      D=None,
                      trace=True,
                      error_action='ignore',
                      suppress_warnings=True,
                      stepwise=True)

    prediction = model.predict(n_periods=time_predict)
    prediction_list = np.array(prediction).tolist()
    return prediction_list

time_predict = 3 # Prévoir pour les 3 premières semaines
predictions = autoarima(data_75016['Rendement'], time_predict)
print(f"Les prédictions sont : {predictions}")

Performing stepwise search to minimize aic
 ARIMA(0,1,0)(0,0,0)[0] intercept   : AIC=3919.882, Time=0.02 sec
 ARIMA(1,1,0)(0,0,0)[0] intercept   : AIC=3850.476, Time=0.05 sec
 ARIMA(0,1,1)(0,0,0)[0] intercept   : AIC=inf, Time=0.18 sec
 ARIMA(0,1,0)(0,0,0)[0]             : AIC=3917.884, Time=0.02 sec
 ARIMA(2,1,0)(0,0,0)[0] intercept   : AIC=3823.352, Time=0.07 sec
 ARIMA(3,1,0)(0,0,0)[0] intercept   : AIC=3809.481, Time=0.09 sec
 ARIMA(4,1,0)(0,0,0)[0] intercept   : AIC=3801.459, Time=0.16 sec
 ARIMA(5,1,0)(0,0,0)[0] intercept   : AIC=3796.578, Time=0.20 sec
 ARIMA(5,1,1)(0,0,0)[0] intercept   : AIC=inf, Time=1.17 sec
 ARIMA(4,1,1)(0,0,0)[0] intercept   : AIC=inf, Time=0.88 sec
 ARIMA(5,1,0)(0,0,0)[0]             : AIC=3794.578, Time=0.11 sec
 ARIMA(4,1,0)(0,0,0)[0]             : AIC=3799.459, Time=0.08 sec
 ARIMA(5,1,1)(0,0,0)[0]             : AIC=inf, Time=0.92 sec
 ARIMA(4,1,1)(0,0,0)[0]             : AIC=inf, Time=0.68 sec

Best model:  ARIMA(5,1,0)(0,0,0)[0]          
Total fit time: 4.665 seconds
Les prédictions sont : [1.8138262819048268, 2.1115610081287386, 2.4544915903343405]

Critique du modèle

mse = mean_squared_error(test, predictions)

rmse = sqrt(mse)

median_target = np.median(test)

rmse_vs_median = rmse / median_target

print(f"RMSE : {rmse}")
print(f"Médiane de la variable cible : {median_target}")
print(f"RMSE en pourcentage de la médiane : {rmse_vs_median * 100}%")

RMSE : 2.3374249142461476
Médiane de la variable cible : 0.062157567249081704
RMSE en pourcentage de la médiane : 3760.483264860531%

On comprend que l'erreur quadratique moyenne (RMSE) est aberrante devant la médiane de notre variable cible signe que notre modèle n'est pas performant. Pour nous cela réside en la qualité de la donnée les ventes diffèrent trop en terme de volume d'un jour à l'autre mais aussi au niveau de la valeur de la vente et le type. Ici nous avons fait choix de prendre toutes les ventes sur l'année plutôt que de décortiquer la donnée jusqu'au type pour avoir plus de données pour fit notre modèle.

Analyse de corrélation entre les caractéristiques foncières en Ile-de-France

data = Data[Data['Code departement'] == '75']
data = data[['Valeur fonciere','Surface reelle bati','Surface terrain', 'Nombre pieces principales']]
sbn.heatmap(data.corr(), annot= True, cmap='Reds')
plt.xticks(rotation = 45)
plt.title('Corrélation entre la valeur foncière, la surface réelle bâtie, \nla surface du terrain et le nombre de pièces principales\n(en IDF))')
plt.show()